算法设计与分析——选择题

简介: 算法设计与分析——选择题

1:给定程序时间复杂度的递推公式:T(1)=1,T(N)=2T(N/2)+N。则对该程序时间复杂度最接近的描述是:

A.O(logN)     B.O(N)     C.O(NlogN)     D.O(N2)


2:程序P1和P2时间复杂度的递推公式:


P1: T(1)=1, T(N)=T(N/2)+1;

P2: T(1)=1, T(N)=2T(N/2)+1;

则下列关于两程序时间复杂度的结论中最准确的是:

A.均为O(logN)

B.P1是O(logN),P2是O(N)

C.均为O(N)

D.P1是O(logN),P2是O(NlogN)


3:下面代码段的时间复杂度是()。

for ( i=0; i<n; i++ )
    for ( j=0; j<m; j++ )
        a[i][j]=0;

A.O(1)     B.O(mn)     C.O(m2)      D.O(n2)


4:下面代码段的时间复杂度是()。

i=1;
while( i<=n )
    i=i*3;

A.O(n)     B.O(n2)     ;C.O(1)     D.O(log3n)


5:下面代码段的时间复杂度是()。

x=n; //n>1
y=0;
while( x≥(y+1)*(y+1) )
    y++;

A.O(1)     B.O(n1/2)     C.O(n)     D.O(log2n)


6:下面算法的时间复杂度为 ▁▁▁▁▁。

int foo(int n)
{
    int i, s = 0;
    for (i = 1; i * i <= n; ++i)
    {
        s += i;
    }
    return s;
}

A.O(n2)     B.O(n)     C.O(sqrt(n) )     D.O(log2n)


7:求整数n(n>=0)的阶乘的算法如下,其时间复杂度为( )。

long fact(long n)
{
if (n<=1) return 1;
return n*fact(n-1);
}

A.O(log2n)     B.O(n2 )     C.O(n)     D.O(nlog2n)


8:算法P1和P2时间复杂度的递推方程分别为:


P1:T(n) = T(n/2) + 1, T(1)=1

P2:T(n) = 2T(n/2) + 1, T(1)=1

则下列关于P1和P2两个算法时间复杂度的结论中正确的是( )。

A.均为O(logn)

B.均为O(n)

C.P1为O(logn),P2为O(n)

D.P1为O(logn),P2为O(nlogn)


9:T(n)表示当输入规模为n时的算法效率,以下算法中效率最优的是( )。


A.T(n)=T(n-1)+1,T(1)=1

B.T(n)=2n

C.T(n)=T(n/2)+1,T(1)=1

D.T(n)=3nlog2n


10:下列函数中,哪个函数具有最慢的增长速度:


A.N1.5

B.NlogN2

C.N2logN

D.N(logN)2


11:用分治法解决一个规模为N的问题。若每步将问题分成规模均为N/3的8个子问题,且治而得到解的步骤耗时O(N2logN),则整个算法的时间复杂度为__。

A.O(N2logN)

B.O(N2log2N)

C.O(N3logN)

D.O(Nlog8/log3)


12:用分治法解决一个规模为N的问题。下列哪种方法是最慢的?


A.每步将问题分成规模均为N/3的2个子问题,且治的步骤耗时O(N)

B.每步将问题分成规模均为N/3的2个子问题,且治的步骤耗时O(NlogN)

C.每步将问题分成规模均为N/2的3个子问题,且治的步骤耗时O(N)

D.每步将问题分成规模均为N/3的3个子问题,且治的步骤耗时O(NlogN)


13:用分治法解决一个规模为N的问题。若每步将问题分成规模均为N/5的4个子问题,且治而得到解的步骤耗时O(logN),则整个算法的时间复杂度为__。


A.O(Nlog4/log5)

B.O(N)

C.O(logN)

D.O(log2N)


14:用分治法解决一个输入规模为 N 的问题时,如果每步都将问题划分为 9 个规模为 N/3 的子问题,并且用 O(N2logN) 的时间治之,则下列哪项最接近总的时间复杂度?


A.O(N2log2N)

B.O(N2logN)

C.O(N2)

D.O(N3logN)


15:下列多少种排序算法用了分治法?

堆排序

插入排序

归并排序

快速排序

选择排序

希尔排序

A.2

B.3

C.4

D.5


16:分治法的设计思想是将一个难以直接解决的大问题分割成规模较小的子问题,分别解决子问题,最后将子问题的解组合起来形成原问题的解。这要求原问题和子问题( )。

A.问题规模相同,问题性质相同

B.问题规模相同,问题性质不同

C.问题规模不同,问题性质相同

D.问题规模不同,问题性质不同


17:在寻找 n 个元素中第 k 小元素问题中,如快速排序算法思想,运用分治算法对 n 个元素进行划分,如何选择划分基准?下面( ) 答案解释最合理。

A.随机选择一个元素作为划分基准

B.取子序列的第一个元素作为划分基准

C.用中位数的中位数方法寻找划分基准

D.以上皆可行。但不同方法,算法复杂度上界可能不同


18:对于下列二分查找算法,以下正确的是( )。

A.

int binarySearch(int a[], int n, int x)
{
 int low=0, high=n-1;
 while(low<=high)
 {
      int mid=(low+high)/2;
      if(x==a[mid])
          return mid;
      if(x>a[mid])
          low=mid;
      else
          high=mid;
 }
 return –1;
}


B.

int binarySearch(int a[], int n, int x)
{
 int low=0, high=n-1;
 while(low+1!=high)
 {
      int mid=(low+high)/2;
      if(x>=a[mid])
          low=mid;
      else
          high=mid;
 }
 if(x==a[low])
     return low;
 else
     return –1;
}


C.

int binarySearch (int a[], int n, int x)
{
 int low=0, high=n-1;
 while(low     {
      int mid=(low+high)/2;
      if(x <a[mid]) 
          high=mid;
      else
          low=mid;
 }
 if(x==a[low])
     return low;
 else
     return –1;
}


D.

int binarySearch(int a[], int n, int x)
{
 if(n > 0 && x >= a[0])
 {
      int low = 0, high = n-1;
      while(low < high)
      {
           int mid=(low+high+1)/2;
           if(x < a[mid])
               high=mid-1;
           else
               low=mid;
      }
      if(x==a[low])
          return low;
 }
 return –1;
}


19:实现大整数的乘法是利用的( )算法。


A.贪心法

B.分治策略

C.回溯法

D.动态规划法


20:在寻找n个元素中第k小元素的问题中,如采用快速排序算法思想,运用分治法对n个元素进行划分,如何选择划分基准?下面____答案最合理。

A.随机选择一个元素作为划分基准

B.取子序列的第一个元素作为划分基准

C.用中位数的方法寻找划分基准

D.以上皆可行,但不同方法的算法复杂度上界可能不同


21:关于回溯法以下叙述中不正确的是( )

A.回溯法有“通用解题法”之称,它可以系统地搜索一个问题的所有解或任意解

B.回溯法是一种既带系统性又带跳跃性的搜索算法

C.回溯法需要借助队列这种结构来保存从根结点到当前扩展结点的路径

D.回溯算法在生成解空间的任一结点时先判断该结点是否可能包含问题的解,如果肯定不包含,则跳过对该结点为根的子树的搜索,逐层向祖先结点回溯


22:回溯法在问题的解空间树中,按( )策略,从根结点出发搜索解空间树。

A.广度优先

B.活结点优先

C.扩展结点优先

D.深度优先


23:回溯法的效率不依赖于下列哪些因素

A.满足显约束的值的个数

B.计算约束函数的时间

C.计算限界函数的时间

D.确定解空间的时间


24:下面哪种函数是回溯法中为避免无效搜索采取的策略

A.递归函数

B.剪枝函数

C.随机数函数

D.搜索函数


25:下列程序块哪个是回溯法中遍历排列树的算法框架程序。

A.

void backtrack (int t)
{
if (t>n) output(x);
 else
  for (int i=t;i<=n;i++) {
    swap(x[t], x[i]);
    if (legal(t)) backtrack(t+1);
    swap(x[t], x[i]);
  }
}

B.

void backtrack (int t)
{
if (t>n) output(x);
else
  for (int i=0;i<=1;i++) {
    x[t]=i;
    if (legal(t)) backtrack(t+1);
  }
}


C.

void backtrack (int t)
{
if (t>n) output(x);
else
  for (int i=0;i<=1;i++) {
    x[t]=i;
    if (legal(t)) backtrack(t-1);
  }
}


D.

void backtrack (int t)
{
if (t>n) output(x);
else
  for (int i=t;i<=n;i++) {
    swap(x[t], x[i]);
    if (legal(t)) backtrack(t+1);
  }
}


目录
相关文章
|
1月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
58 4
|
3月前
|
数据采集 机器学习/深度学习 算法
|
3月前
|
人工智能 算法 BI
第一周算法设计与分析 D : 两面包夹芝士
这篇文章介绍了解决算法问题"两面包夹芝士"的方法,通过找出两个数组中的最大最小值,计算这两个值之间的整数个数,包括特判不存在整数的情况。
|
23天前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。
|
29天前
|
算法
PID算法原理分析
【10月更文挑战第12天】PID控制方法从提出至今已有百余年历史,其由于结构简单、易于实现、鲁棒性好、可靠性高等特点,在机电、冶金、机械、化工等行业中应用广泛。
|
2月前
|
算法 搜索推荐 开发者
别再让复杂度拖你后腿!Python 算法设计与分析实战,教你如何精准评估与优化!
在 Python 编程中,算法的性能至关重要。本文将带您深入了解算法复杂度的概念,包括时间复杂度和空间复杂度。通过具体的例子,如冒泡排序算法 (`O(n^2)` 时间复杂度,`O(1)` 空间复杂度),我们将展示如何评估算法的性能。同时,我们还会介绍如何优化算法,例如使用 Python 的内置函数 `max` 来提高查找最大值的效率,或利用哈希表将查找时间从 `O(n)` 降至 `O(1)`。此外,还将介绍使用 `timeit` 模块等工具来评估算法性能的方法。通过不断实践,您将能更高效地优化 Python 程序。
57 4
|
1月前
|
算法
PID算法原理分析及优化
【10月更文挑战第6天】PID控制方法从提出至今已有百余年历史,其由于结构简单、易于实现、鲁棒性好、可靠性高等特点,在机电、冶金、机械、化工等行业中应用广泛。
|
2月前
|
算法 程序员 Python
程序员必看!Python复杂度分析全攻略,让你的算法设计既快又省内存!
在编程领域,Python以简洁的语法和强大的库支持成为众多程序员的首选语言。然而,性能优化仍是挑战。本文将带你深入了解Python算法的复杂度分析,从时间与空间复杂度入手,分享四大最佳实践:选择合适算法、优化实现、利用Python特性减少空间消耗及定期评估调整,助你写出高效且节省内存的代码,轻松应对各种编程挑战。
41 1
|
2月前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。
121 19
|
3月前
|
算法
算法设计与分析作业
这篇文章是关于算法设计与分析的作业,其中包含了两个算法实现:一个是使用分治算法实现的十进制大整数相乘(包括加法、减法和乘法函数),并进行了正确性和健壮性测试;另一个是使用快速排序思想实现的分治查找第K小元素的程序,并分析了其平均和最坏时间复杂度。
算法设计与分析作业